Analisis Jalur dan Aplikasinya dalam Menentukan Faktor yang Mempengaruhi Derajat Kesehatan Balita di Sulawesi Selatan

Journal of Mathematics, Computations, and Statistics (hal. 64 – 71) Vol. 3. No. 1, April 2020

http://www.ojs.unm.ac.id/jmathcos

64

Analisis Jalur dan Aplikasinya dalam Menentukan

Faktor yang Mempengaruhi Derajat Kesehatan Balita

di Sulawesi Selatan

Wahida Sanusi

1,a)

_{, Sukarna}

1,b)

_{, dan Elma Selviana Darwis}

1,c)

1_{Jurusan Matematika FMIPA Universitas Negeri Makassar, 90224}

a)_{wahidah.sanusi@unm.ac.id} b)_{sukarna@unm.ac.id} c)_{elmaselviana1803@gmail.com}

Abstrak.Penelitian ini bertujuan untuk mengaplikasikan analisis jalur dan untuk mengetahui

seberapabesarfaktor-faktor yang berpengaruhterhadapderajat kesehatan balita Di Sulawesi Selatan baiksecara pengaruh langsung maupun secara pengaruh tidak langsung Menganalisis model dan menginterpretasikan hasil. Data yang digunakan adalah data jumlah rekapitulasi derajat kesehatan balita di Provinsi Sulawesi Selatan tahun 2019. Variabel yang digunakan adalah Jumlahibuhamil 20-30 tahun (X1), Jumlahbalita yang mendapatkan ASI full 6 bulandari ibu yang tidak bekerja (X2),

Kelainandalamkandungan (X3),Bayi yang terdampakgiziburuk pada ibuhamil yang usia 30-35 tahun(Y1),

dan Bayi yang meninggaldalamkandungan (Y2). Penelitian ini menggunakan model dua persamaan jalur

(two equation paths). Penelitian ini dimulai dari merumuskan persamaan model struktural, menghitung koefisien jalur secara simultan dan secara parsial, melakukan simulasi model menggunakan softwere SPSS 22, memaknai dan menyimpulkan. Hasil penelitian diperoleh model dua persamaan struktural;taraf signifikan (α)untuk hasil simulasi sebesar 5% atau 0,05; menjelaskan bahwa setiap model sub-struktur yang diuji secara simultan dan secara parsial memiliki pengaruh yang positif dan signifikan terhadapderajat kesehatan balita Di Sulawesi Selatan.

Kata kunci: Analisis Jalur, two equation paths, direct effect, inderect effect

Abstract.This study aims to apply path analysis and to determine how much the factors that influence the

health status of children under five in South Sulawesi, both directly (direct effect) and indirectly (inderect effect). Analyze models and interpret the results. The data used is the data on the recapitulation of the health status of children under five in South Sulawesi Province in 2019. The variables used are the number of pregnant women 20-30 years (X1), the number of children under five who received full 6 months

of breastfeeding from mothers who do not work (X2), in the womb (X3), babies who are affected by

malnutrition in pregnant women aged 30-35 years (Y1), and babies who die in the womb (Y2). This study

uses a two equation path model. This research starts from formulating structural model equations, calculating path coefficients simultaneously and partially, performing model simulations using SPSS 22 software, interpreting and concluding. The results of the study obtained two structural equation models; the significant level (α) for the simulation results is 5% or 0.05; explained that each sub-structure model tested simultaneously and partially had a positive and significant effect on the health status of children under five in South Sulawesi.

JmathCoS 3(1) 2020, hal. 64 - 71

65

PENDAHULUAN

Teknik analisis jalur adalah salah satu teknik analisis statistik yang digunakan di dalam penelitian kuantitatif. Analisis jalur biasanya menggunakan istilah pengaruh langsung dan pengaruh tidak langsung, dikarenakan ada variabel perantara / interverning / variabel mediasi.Analisis jalur merupakan bentuk terapan, dari analisis multiregresi yang membantu memudahkan pengujian hipotesis dari hubungan-hubungan antar variabel yang cukup rumit. Dalam analisis jalur, korelasi antar variabel dihubungkan dengan parameter dari model yang dinyatakan dengan diagram jalur, (kuncoro dan riduan, 2007). Analisis jalur digunakan untuk melukiskan dan menguji model hubungan antar variabel yang berbentuk sebab akibat (Sugiyono, 2009). Analisis jalur memiliki kedekatan dengan regresi berganda, sehingga regresi berganda adalah bentuk khusus analisis jalur. Teknik ini dikenal sebagai model sebab-akibat (causing modeling), (Sarwono, 2007). Penelitian ini menggunakan metode analisis jalur pada derajat kesehatan balita di sulawesi selatan. Khususnya untuk mengetahui berapa besar pengaruh langsung maupun pengaruh tidak langsung faktor yang mempengaruhi derajat kesehatan balita di Sulawesi Selatan.Menurut teori Hendrik L Blum menjelaskan indikator Derajat kesehatan balita antara lain:

a. Jumlah ibu hamil 20-35 tahun

Usia mungkin tidak menjadi masalah ketika kesehatannya terjaga. Namun, pada umumnya semakin tua usia wanita saat hamil, semakin meningkat risiko pada kesehatan dirinya dan kehamilannya.

b. Jumlah bayi yang mendapatkan ASI full 6 bulandariibu yang tidakbekerja

Pemberian ASI akan sangat optimal bila diberikan secara eksklusif selama 6 bulan pertama kehidupan anak setelah itu bayi harus dikenalkan kepada makanan padat pertamanya dan bantuan susu formula.

c. Kelainan dalam kandungan

Pertolongan ibu dan anak di indonesia. Departemen kesehatan melakukan strategi agar semua asuhan antenatal dan sekitar 60 % dari keseluruhan persalinan dilayani oleh tenaga kesehatan yang terlatih. Strategi ini dilaksanakan untuk dapat mengenali dan menanggulangi gangguan kehamilan dan persalinan sedini mungkin.

d. Bayi yang terdampakgiziburuk pada ibuhamil yang usia 30-35 tahun

Gizi buruk adalah suatu kondisi dimana seseorang dinyatakan kekurangan zat gizi, atau dengan ungkapan lain status gizinya berada di bawah standar rata-rata

e. Bayi yang meninggaldalamkandungan

Angka Kematian Balita adalah jumlah kematian anak berusia 0-4 tahun selama satu tahun tertentu per-1000 anak umur yang sama pada pertengahan tahun itu (termasuk kematian bayi) menggabungkan tingkat permasalahn kesehatan anak dan faktor-faktor lain yang berpengaruh

terhadap kesehatan anak balita seperti gizi, sanitasi, penyakit menular dan kecelakaan.

METODE PENELITIAN

Data yang digunakan dalam penelitian ini adalah data sekunder, yaitu data pada tahun 2019 tentang faktor yang mempengaruhi dan indikator-indikator yang terkait pada derajat kesehatan balita di Sulawesi Selatan. Penelitian ini menggunakan model dua persamaan jalur (two equation paths model) yang mempunyai dua persamaan struktural, yaitu:

Y1 = ρy1.X1 + ρy1.X2 + ρy1.X3 + εy1 ... Model sub I Y2 = ρy2.X1 + ρy2.X2 + ρy2.X3 + ρy2.Y1 + εy2...Model sub II

Sanusi, Sukarna, & Darwis

66

GAMBAR 1.Model Awal Analisis Jalur

Keterangan :

X1 = Jumlahibuhamil 20-35 tahun

X2= Jumlahbayi yang mendapatkan ASI full 6 bulandariibu yang tidakbekerja X3 = Kelainandalamkandungan

Y1 = Bayi yang terdampakgiziburuk pada ibuhamil yang usia 30-35 tahun Y2 = Bayi yang meninggaldalamkandungan

Langkah – langkah Penelitian:

(1). Merumuskan persamaan model struktural yang mencerminkan hipotesis lengkap dengan persamaan strukturalnya

(2). Menghitung koefisien jalur yang didasarkan pada koefisien regresi untuk setiap persamaan model yang telah dirumuskan

(3). Menghitung koefisien jalur secara simultan (keseluruhan) dan secara individu

(4). Menganalisis data yang diperoleh dari hasil penelitian dengan analisis jalur menggunakan Softwere SPSS versi 22

(5). Memaknai dan menyimpulkan

HASIL DAN PEMBAHASAN

Berdasarkan metode penelitian dan data yang diperoleh, maka yang harus dilakukan adalah menganalisis data yang sudah ada dengan menggunakan software SPSS versi 22 pada taraf signifikan (α) sebesar 5% atau 0,05.

Pengujian model sub I

JmathCoS 3(1) 2020, hal. 64 - 71

67

TABEL 1. Model Rekapitulasi (Model Summary) dua persamaan struktural Model Summary

Model R R Square Adjusted R

Square

Std. Error of the Estimate

1 .778a _{.605 .546 22.26952}

a. Predictors: (Constant), Kelainan dalam kandungan (X3), Jumlah bayi yang mendapatkan ASI full 6 bulan dari ibu yang tidak bekerja (X2), Jumlah ibu hamil 20-35 tahun (X1)

Tabel R-square menghasilkan 𝑅_{𝑦1 (𝑥1,𝑥2,𝑥3)}2 = 0,605 atau 60,5 %. Untuk mengukur kesalahan residulnya digunakan rumus εy1 = √1 − 𝑅_{𝑦1 (𝑥1,𝑥2,𝑥3)}2 = √1 − 0,605 = √0,395 = 0,628 Sehingga diperoleh pengaruh erornya εy1 = 0,628 atau 62,8 %.

TABEL 2.Uji F ( Anova ) model sub I

ANOVAa

Model Sum of

Squares Df Mean Square F Sig.

1 Regression 15184.998 3 5061.666 10.206 .000b

Residual 9918.627 20 495.931

Total 25103.625 23

a. Dependent Variable: Bayi yang terdampak gizi buruk pada ibu hamil yang usia 30-35 tahun (Y1)

b. Predictors: (Constant), Kelainan dalam kandungan (X3), Jumlah bayi yang mendapatkan ASI full 6 bulan dari ibu yang tidak bekerja (X2), Jumlah ibu hamil 20-35 tahun (X1)

a. Pengujian secara simultan (keseluruhan) Hipotesis uji :

H0 = Tidak Signifikan Ha = Signifikansi

Hasil uji : Nilai uji anova F sebesar 10.206 terlihat bahwa tabel sig sebesar 0.000(nilai sig0.000 <0.05) menunjukkan model regresi dapat digunakan secara bersama-sama artinya H0 ditolak dan Ha diterima.

TABEL 3. Uji T (Parsial) Model Sub I Coefficientsa Model Unstandardized Standardized Coefficients Beta T Sig. B Std. Error 1 (Constant) 79.782 11.561 6.901 .000

Jumlah ibu hamil 20-35

tahun -.002 .001 -.737 -1.852 .079

(X1)

Jumlah bayi yang .053 .021 .366 2.541 .019

mendapatkan ASI full 6 Bulan dari ibu yang

Sanusi, Sukarna, & Darwis 68 Tidak bekerja (X2) Kelainan dalam kandungan .008 .003 1.249 3.121 .005 (X3)

a. Dependent Variable: Bayi yang terdampakgiziburuk pada ibuhamil yang usia 30-35 tahun (Y1)

b. Pengujian secara parsial ( individu ) Hipotesis uji :

H0 = Tidak Signifikan Ha = Signifikansi Hasil uji :

a) Dari tabel sig.X1 terhadap Y1sebesar 0.079. Nilai taraf sig 0.05 ( 0.079 > 0.05 ) maka H0 diterima dan Ha ditolak, artinya koefisien analisis jalurnya tidaksignifikan. Besarnya pengaruh X1 terhadap Y1 sebesar 0.737.

b) Dari tabel sig. X2 terhadap Y1 sebesar 0.019. Nilaitaraf sig 0.05 ( 0.019 > 0.05 ) maka H0 ditolak dan Ha diterima, artinya koefisien analisis jalurnya signifikan. Besarnya pengaruh X2 terhadap Y1 sebesar 0.366.

c) Dari tabelsig. X1 terhadap Y1 sebesar 0.005. Nilai taraf sig 0.05 ( 0.005 > 0.05 ) maka H0 ditolak dan Ha diterima, artinya koefisien analisis jalurnya signifikan. Besarnya pengaruh X3 terhadap Y1 sebesar 1.249.

Pengujian model sub II

GAMBAR 3.Model Diagram Jalur Sub II

TABEL 4. Model Rekapitulasi (Model Summary) dua persamaan struktural Model Summary Model R R Square Adjusted R Square St Error of the Estimate 1 _.725a _{.526 .426 12.30869}

a. Predictors: (Constant), Bayi yang terdampak gizi buruk pada ibu hamil yang usia 30-35 tahun (Y1), Jumlah ibu hamil 20-35 tahun (X1), Jumlah bayi yang mendapatkan ASI full 6 bulan dari ibu yang tidak bekerja (X2), Kelainan dalam kandungan (X3)

Tabel R-squaremenghasilkan

𝑅

_{𝑦2 (𝑥1,𝑥2,𝑥3,𝑦1)}2

= 0,526 atau 52,6 %. Untuk mengukur

kesalahan residulnya digunakan rumus εy2 = √1 − 𝑅

_{𝑦2 (𝑥1,𝑥2,𝑥3,𝑦1)}2

= √1 − 0,526 =

JmathCoS 3(1) 2020, hal. 64 - 71

69

√0,474 = 0,688. Sehingga diperoleh pengaruh erornya ε

y1 = 0,688 atau 68,8 %.

Tabel 5. Uji F ( Anova ) Model Sub II

ANOVAa

Model Sum of Squares Df _Square Mean F Sig.

1 Regression _3192.384 4 798.096 5.268 .005b

Residual _2878.575 19 151.504

Total _6070.958 23

a. Dependent Variable: Bayi yang meninggal dalam kandungan (Y2)

b. Predictors: (Constant), Bayi yang terdampak gizi buruk pada ibuhamil yang usia 30-35 tahun (Y1), Jumlah ibu hamil 20-35 tahun (X1), Jumlah bayi yang mendapatkan ASI full 6 bulan dari ibu yang tidak bekerja (X2), Kelainan dalam kandungan (X3)

a. Pengujian secara simultan ( keseluruhan ) Hipotesis uji :

H0 = Tidak Signifikan Ha = Signifikansi

Hasil uji : Nilai uji anova atau F sebesar 5.268 terlihat bahwa nilai sig sebesar 0.005 (nilai sig 0.005 <0.05) menunjukkan model regresi dapat digunakan secara bersama-sama, artinya H0 ditolak dan Ha diterima.

Tabel 6.Uji T (Parsial) Model Sub II

Model

Unstandarized Coefficientsi Standardized _Coefficients

Beta T Sig.

B Std. Error

1 (Constant) _{4.539 11.750 .386 .704}

Jumlahibuhamil 20-35

tahun (X1) -.001 .001 -1.162 -2.400 .027

Jumlah bayi yang men-dapatkan ASI full 6 bu-lan dari ibu yang tidak bekerja (X2)

.013 .013 .189 1.016 .322

Kelainan dalam

kandu-ngan (X3) .004 .002 1.161 2.117 .048

Bayi yang terdampak gizi buruk pad ibu hamil yang usia 30 – 35 tahun (Y1)

.157 .124 .318 1.267 .220

a. Dependent Variable: Bayi yang meninggaldalamkandungan (Y2)

b. Pengujian secara parsial ( individu ) Hipotesis uji :

H0 = Tidak Signifikan

Ha = Signifikansi

Hasil uji :

Sanusi, Sukarna, & Darwis

70

ditolak dan Ha diterima, artinya koefisien analisis jalurnya signifikan. Besarnya pengaruh X1 terhadap Y2 sebesar -1.162.

- Dari tabelsig. X2 terhadap Y2adalah : 0.322. Nilai taraf sig 0.05 ( 0.322> 0.05 ) maka H0 diterima dan Ha ditolak, artinya koefisien analisis jalurnya tidak signifikan. Besarnya pengaruh X2 terhadap Y2 sebesar 0.189.

- Dari tabelsig.X3 terhadap Y2 adalah : 0.048. Nilai taraf sig 0.05 ( 0.048 > 0.05 ) maka H0 ditolak dan Ha diterima, artinya koefisien analisis jalurnya signifikan. Besarnya pengaruh X1 terhadap Y2 sebesar 1.161.

- Dari tabelsig. X2 terhadap Y2 adalah : 0.220. Nilai sig taraf sig 0.05 ( 0.220 > 0.05 ) maka H0 diterima dan Ha ditolak, artinya koefisien analisis jalurnya tidak signifikan. Besarnya pengaruh X2 terhadap Y2 sebesar 0.318.

Dengan demikian, model kausal dua persamaan jalur dapat dilihat sebagai berikut:

GAMBAR 4. Model kausal dua persamaan jalur Bayi yang meninggal dalam kandungan (Y2), Bayi yang terdamapak gizi buruk pada ibu hamil yang usia 30-35 tahun (Y1) , Jumlah ibu hamil

20-35 tahun (X1), Jumlah bayi yang mendapatkan ASI full 6 bulan dari ibu yang tidak bekerja(X2) dan Kelainan dalam kandungan (X3).

KESIMPULAN

Analisi jalur terhadap kematianbalita pada derajat kesehatan balita di Sulawesi Selatan dengan model dua persamaan jalur, maka persamaan strukturalnya yaitu :

Model I : Y1 = ρy1.X1 + ρy1.X2+ ρy1.X3 + εy1 Ŷ1 = 0,737X1 + 0,366X2 + 1,249X3 Model II : Y2 = ρy2.X1 + ρy2.X2 + ρy2.X3 + ρy2.Y1 + εy2

Ŷ2 = 1,162X1 +0,189X2 + 1,161X3 + 0,318.Y1 a. Pengaruh langsung

- Pengaruh jumlah ibu hamil 20-35 tahun (X1) terhadap bayi yang meninggal dalam kandungan (Y2) dengan koefisien analisis jalurnya sebesar -1.162

- Pengaruh jumlah bayi yang mendapatkan ASI full 6 bulan dari ibu yang tidak bekerja (X2) terhadap bayi yang meninggal dalam kandungan (Y2) dengan koefisien analisis jalurnya sebesar 0.189

- Pengaruh kelainan dalam kandungan (X3) terhadap Bayi yang meninggal dalam kandungan (Y2) dengan koefisien analisis jalurnya sebesar 1.161

- Pengaruh bayi yang terdampak gizi buruk pada ibu hamil yang usia 30-35 tahun (Y1) terhadap bayi yang meninggal dalam kandungan (Y2) dengan koefisien analisis jalurnya sebesar 0.318

b. Pengaruh tidak langsung

- Pengaruh jumlah ibu hamil 20-35 tahun (X1) terhadap bayi yang meninggal dalam kandungan (Y2) melalui bayi yang terdampak gizi buruk pada ibu hamil yang usia 30- 35

JmathCoS 3(1) 2020, hal. 64 - 71

71

tahun (Y1) dengan koefisien analisis jalurnya sebesar 0.234

- Pengaruh jumlah bayi yang mendapatkan ASI full 6 bulan dari ibu yang tidak bekerja (X2) terhadap bayi yang meninggal dalam kandungan (Y2) melalui bayi yang terdampak gizi buruk pada ibu hamil yang usia 30-35 tahun (Y1) dengan koefisien analisis jalurnya sebesar 0.116

- Pengaruh kelainan dalam kandungan (X3) terhadap bayi yang meninggal dalam kandungan (Y2) melalui bayi yang terdampak gizi buruk pada ibu hamil yang usia 30- 35 tahun (Y1) dengan koefisien analisis jalurnya sebesar 0.397

DAFTAR PUSTAKA

Asdar., Badrullah, & Jeranah. ( 2016). Regresi, Analisis Jalur Dan SEM. Makassar: Kretakupa Makassar

Adminbka. (2013). Pengertian ASI Eksklusif. http://botolkacaasi.com/pengertian-asi-eksklusif. Diakses tanggal 8 mei 2013.

B. Sutomo. (2010). Menu Sehat Alami Untuk Balita. Jakarta: Demedia

Hello Sehat. ( 2016). Kehamilan kandungan keuntungan dan resiko di berbagai usia saat hamil. https://hellosehat.com/kehamilan/kandungan/keuntungan-dan-risiko-di-berbagai-usia- saat-hamil/. Diakses tanggal 21 juli 2016

Ilmu Psikologi. (2012). Pengertian Kesehata

https://belajarpsikologi.com/pengertian- kesehatan/. Diakses tanggal 16 Januari 2012. Kuncoro. E.A dan Riduan. (2007). Cara Menggunakan dan Memakai Analisis Jalur (Path

Analysis), Bandung: Alfabeta

Sugiyono. (2009). Statistik Untuk Penelitian. Bandung: Alfabeta.

Sarwono, J. (2007). Analisis Jalur untuk Riset Bisnis dengan SPSS, Andy, Yogyakarta. Soekidjo Notoatmodjo. (2007). Kesehatan Masyarakat, Ilmu & Seni. Jakarta: Rineka Cipta. Tiro, M. A., Sukarna, & Aswi. (2010). Analisis Jalur. Makassar: Andira Publisher Makassar.